在《塞尔达传说》中，点火会蔓延，雷雨天带金属会引雷。这种真实感不靠极致画质，而靠稳定的物理规则。AI视频模型想进化为真正的“世界模型”，也必须懂这些物理常识。

近期，智象发布了HiDream-O1-Video视频模型。为测试它是否真懂“物理变化”，我们将它与另外两款主流模型进行了三场实测：料酒爆炒起火、鼓手击鼓演奏和倒冰镇可乐。

结果发现，许多模型只做表面特效，常出现“火先于料酒出现”“鼓没敲就响”“可乐像糖浆般晃动”等违背常识的画面。相比之下，HiDream在因果时序上表现最佳：料酒入锅后才起火，击鼓后灯光才变红，液体晃动也符合真实的物理惯性。它真正做到了“行动在前，回应在后”，音画同步且符合逻辑。

目前，HiDream已跻身全球视频生成模型第一梯队。在智象的规划中，视频模型为未来的“世界模型”补上了关键的“时间”维度。毕竟，世界模型的宏大不在于场景多广阔，而在于能否精准理解并回应每一次微小的物理变化。